百度蒸汽机视频生成大模型升级2.0版本，价格低至行业70%

《凤凰WEEKLY财经》获悉，8月21日，百度蒸汽机（MuseSteamer）音视频一体化模型完成重大升级，在行业内首次实现多人有声视频一体化生成。其Turbo版、Lite版、Pro版及全系有声版全面开放，用户可通过百度搜索“百度蒸汽机”或登录“绘想”平台体验，企业用户可在千帆平台享受高性能视频生成服务。
据介绍，百度蒸汽机是全球首个中文音视频一体化生成的I2V模型，不仅支持环境音效，更支持多角色语音的一体化生成。百度蒸汽机2.0有声版模型让AIGC视频创作彻底告别了配音，创作者只需要一张图和提示词。
国际知名视效指导姚骐使用百度蒸汽机模型制作了科幻短片《归途》后表示，“它让好莱坞级大片镜头不再需要百万预算。”据他介绍，该作品共有40多个镜头，每个镜头生成3次，共用AI生成超120个片段素材，成本低至百元。
百度同时表示，该系列大模型已经在百度搜索、营销等多个场景落地应用，针对不同需求用户，平台提供了梯度会员服务，价格低至行业同类产品的70%。
百度商业研发首席架构师李双龙对《凤凰WEEKLY财经》透露，在百度蒸汽机研发过程中，主要面临两大核心技术难点：一方面，由于需要实现“生成与应用一体化”，且要适配多角色场景，如何构建有效的规划机制，将多角色的语音、动作与声音进行精准匹配和统筹协调，确保整体呈现的一致性与流畅性，是首要攻克的难题；另一方面，鉴于产品采用一体化生成模式，整个流程并非将模型拆分为多个独立环节分步处理，而是通过端到端的技术路径完成，因此如何在该技术路径下实现高效渲染并保障最终效果，成为了另一关键挑战。
而在需求收集过程中，百度也发现，除质量外，成本是用户核心关切点。百度副总裁、移动生态商业体系负责人陈一凡表示，若成本居高不下，用户接受度低，质量优势也难以落地。因此，团队在模型训练阶段便注重成本控制。依托在 GPU 计算领域的深厚积累，团队通过调整训练集、优化相关流程等大量工作，实现了效率提升。相较于上一代更侧重算法策略的思路，本次充分发挥商业团队在大模型工程领域的丰富经验，仅用几十天便同步达成质量提升与成本降低，更好满足用户需求。